一种绝缘子覆冰识别方法、装置、存储介质及设备与流程

1.本发明涉及电力技术领域，尤其涉及一种绝缘子覆冰识别方法、装置、存储介质及设备。


背景技术：

2.覆冰现象严重威胁着电网的安全稳定，比如会降低绝缘子的机械性能与电气性能，严重时更会发生线路闪络跳闸、绝缘子掉串、导线断裂乃至杆塔倒塌等事故。因此，准确掌握输电线路绝缘子覆冰程度对及时有效采取防冰抗冰措施、保障冰雪天气下输电线路的安全运行具有重要意义。
3.为了解决复杂环境条件下输电线路绝缘子图像识别问题，专家学者们作了大量有益的尝试，然而，现有的绝缘子覆冰识别方法准确性较差。


技术实现要素：

4.本发明实施例提供一种绝缘子覆冰识别方法、装置、存储介质及设备，以解决现有技术绝缘子覆冰识别方法准确性较差的问题，能够准确地、全面地掌握输电线路绝缘子覆冰程度，为输电线路的智能抗冰提供技术支撑。
5.为实现上述目的，本发明实施例提供了一种绝缘子覆冰识别方法，包括：
6.获取多个覆冰监测装置采集到的若干张初始覆冰图像，并对若干张所述初始覆冰图像进行预处理，得到若干张目标覆冰图像；
7.根据若干张所述目标覆冰图像的参数信息，构建图像知识库，其中，所述参数信息包括拍摄预置位、分辨率和覆冰监测装置编号；
8.用所述图像知识库中的目标覆冰图像对yolo v3目标识别模型进行训练，得到训练后的yolo v3目标识别模型；
9.获取任意一个覆冰监测装置实时采集到的待测覆冰图像，并读取所述待测覆冰图像的待测分辨率和待测覆冰监测装置编号；
10.当所述待测分辨率符合预设的分辨率条件时，根据所述待测覆冰图像中绝缘子的待测目标数、待测尺寸及待测位置，得到所述待测覆冰图像的待测拍摄预置位；
11.基于所述训练后的yolo v3目标识别模型，获取所述待测覆冰图像的待测覆冰绝缘子感兴趣区域，和与所述待测拍摄预置位、所述待测覆冰监测装置编号相同的，且绝缘子覆冰状态为无覆冰的目标覆冰图像的无覆冰绝缘子感兴趣区域；
12.根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域计算得到覆冰前、后绝缘子的颜色变化率和绝缘子的覆冰区域的增长率；
13.根据所述颜色变化率和所述增长率，判定所述待测覆冰图像的绝缘子覆冰程度并发出相应的预警信息。
14.作为上述方案的改进，所述根据若干张所述目标覆冰图像的参数信息，构建图像知识库，其中，所述参数信息包括拍摄预置位、分辨率和覆冰监测装置编号，包括：
15.计算若干张所述目标覆冰图像中绝缘子的目标数、尺寸及位置；
16.将具有相同的覆冰监测装置编号的任意两张目标覆冰图像中绝缘子的目标数、尺寸及位置进行比较，得到第一比较结果，并根据所述第一比较结果对若干张所述目标覆冰图像的拍摄预置位进行编号处理，直至遍历完若干张所述目标覆冰图像；
17.根据进行编号处理过的若干张所述目标覆冰图像的分辨率及覆冰监测装置编号，构建图像知识库。
18.作为上述方案的改进，所述用所述图像知识库中的目标覆冰图像对yolo v3目标识别模型进行训练，得到训练后的yolo v3目标识别模型，包括：
19.将所述图像知识库中的各覆冰监测装置的至少一张目标覆冰图像和各拍摄预置位的至少一张目标覆冰图像作为训练图像集；
20.根据绝缘子覆冰状态对所述训练图像集中的目标覆冰图像进行标注，得到训练标注集，其中，所述训练标注集的文件信息包括：绝缘子目标边界矩形框的左上角顶点坐标和右下角顶点坐标，与绝缘子覆冰状态编码；
21.用所述训练图像集中的目标覆冰图像和所述训练标注集中的文件对yolo v3目标识别模型进行训练，得到训练后的yolo v3目标识别模型。
22.作为上述方案的改进，所述当所述待测分辨率符合预设的分辨率条件时，根据所述待测覆冰图像中绝缘子的待测目标数、待测尺寸及待测位置，得到所述待测覆冰图像的待测拍摄预置位，包括：
23.当所述待测分辨率符合预设的分辨率条件时，计算所述待测覆冰图像中绝缘子的待测目标数、待测尺寸及待测位置；
24.将所述待测目标数、所述待测尺寸及所述待测位置与所述图像知识库的目标覆冰图像中的绝缘子的目标数、尺寸及位置进行比较，得到第二比较结果；
25.当所述第二比较结果符合预设的拍摄预置位条件时，得到所述待测覆冰图像的待测拍摄预置位。
26.作为上述方案的改进，所述基于所述训练后的yolo v3目标识别模型，获取所述待测覆冰图像的待测覆冰绝缘子感兴趣区域，和与所述待测拍摄预置位、所述待测覆冰监测装置编号相同的，且绝缘子覆冰状态为无覆冰的目标覆冰图像的无覆冰绝缘子感兴趣区域，包括：
27.将所述待测覆冰图像输入所述训练后的yolo v3目标识别模型，得到所述待测覆冰图像的预测绝缘子目标边界矩形框的左上角顶点坐标和右下角顶点坐标，与所述待测覆冰图像的绝缘子覆冰状态；
28.根据所述左上角顶点坐标和所述右下角顶点坐标计算所述预测绝缘子目标边界矩形框的左下角顶点坐标和右上角顶点坐标；
29.根据所述左上角顶点坐标、所述右下角顶点坐标、所述左下角顶点坐标和所述右上角顶点坐标裁剪所述待测覆冰图像，得到待测覆冰绝缘子感兴趣区域；
30.根据所述左上角顶点坐标、所述右下角顶点坐标、所述左下角顶点坐标和所述右上角顶点坐标，在与所述待测拍摄预置位、所述待测覆冰监测装置编号相同的，且绝缘子覆冰状态为无覆冰的目标覆冰图像上裁剪，得到无覆冰绝缘子感兴趣区域。
31.作为上述方案的改进，所述根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝
缘子感兴趣区域计算得到覆冰前、后绝缘子的颜色变化率和绝缘子的覆冰区域的增长率，包括：
32.根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域，计算所述待测覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量，和所述无覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量；
33.根据所述待测覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量，和所述无覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量，计算得到覆冰前、后绝缘子的颜色变化率；
34.根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域，计算绝缘子的覆冰区域；
35.对所述覆冰区域进行二值化处理，得到二值覆冰区域；
36.统计所述二值覆冰区域的白色像素点数；
37.根据所述白色像素点数计算所述覆冰区域的增长率。
38.作为上述方案的改进，所述根据所述颜色变化率和所述增长率，判定所述待测覆冰图像的绝缘子覆冰程度并发出相应的预警信息，包括：
39.当(0≤c
rate
≤25％)∪(0≤region
rate
≤25％)时，判定所述待测覆冰图像的绝缘子覆冰程度为无覆冰并发出预设的第一预警信息，其中，c
rate
表示颜色变化率，region
rate
表示增长率；
40.当(25％≤c
rate
≤50％)∪(25％≤region
rate
≤50％)时，判定所述待测覆冰图像的绝缘子覆冰程度为轻并发出预设的第二预警信息，其中，c
rate
表示颜色变化率，region
rate
表示增长率；
41.当(50％≤c
rate
≤75％)∪(50％≤region
rate
≤75％)时，判定所述待测覆冰图像的绝缘子覆冰程度为中并发出预设的第三预警信息，其中，c
rate
表示颜色变化率，region
rate
表示增长率；
42.当(75％≤c
rate
≤100％)∪(75％≤region
rate
≤100％)时，判定所述待测覆冰图像的绝缘子覆冰程度为重并发出预设的第四预警信息，其中，c
rate
表示颜色变化率，region
rate
表示增长率。
43.为实现上述目的，本发明实施例还提供了一种绝缘子覆冰识别装置，包括：
44.目标覆冰图像获取模块，用于获取多个覆冰监测装置采集到的若干张初始覆冰图像，并对若干张所述初始覆冰图像进行预处理，得到若干张目标覆冰图像；
45.图像知识库构建模块，用于根据若干张所述目标覆冰图像的参数信息，构建图像知识库，其中，所述参数信息包括拍摄预置位、分辨率和覆冰监测装置编号；
46.yolo v3目标识别模型训练模块，用于用所述图像知识库中的目标覆冰图像对yolo v3目标识别模型进行训练，得到训练后的yolo v3目标识别模型；
47.待测覆冰图像获取模块，用于获取任意一个覆冰监测装置实时采集到的待测覆冰图像，并读取所述待测覆冰图像的待测分辨率和待测覆冰监测装置编号；
48.待测拍摄预置位获取模块，用于当所述待测分辨率符合预设的分辨率条件时，根据所述待测覆冰图像中绝缘子的待测目标数、待测尺寸及待测位置，得到所述待测覆冰图像的待测拍摄预置位；
49.感兴趣区域获取模块，用于基于所述训练后的yolo v3目标识别模型，获取所述待
测覆冰图像的待测覆冰绝缘子感兴趣区域，和与所述待测拍摄预置位、所述待测覆冰监测装置编号相同的，且绝缘子覆冰状态为无覆冰的目标覆冰图像的无覆冰绝缘子感兴趣区域；
50.计算模块，用于根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域计算得到覆冰前、后绝缘子的颜色变化率和绝缘子的覆冰区域的增长率；
51.识别模块，用于根据所述颜色变化率和所述增长率，判定所述待测覆冰图像的覆冰程度并发出相应的预警信息。
52.为实现上述目的，本发明实施例还提供了一种绝缘子覆冰识别设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述任一项所述的绝缘子覆冰识别方法。
53.为实现上述目的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的绝缘子覆冰识别方法。
54.与现有技术相比，本发明实施例提供的一种绝缘子覆冰识别方法、装置、存储介质及设备，通过目标覆冰图像的参数信息，构建图像知识库，能够为不同的拍摄视角、材质、形式的绝缘子覆冰提供精细的、全面的识别方案，通过训练后的yolo v3目标识别模型，得到待测覆冰图像的待测覆冰绝缘子感兴趣区域和无覆冰绝缘子感兴趣区域，根据待测覆冰绝缘子感兴趣区域和无覆冰绝缘子感兴趣区域计算得到覆冰前、后绝缘子的颜色变化率和绝缘子的覆冰区域的增长率，最后根据颜色变化率和增长率，判定待测覆冰图像的绝缘子覆冰程度并发出相应的预警信息。由此可见，本发明实施例能够准确地、全面地掌握输电线路绝缘子覆冰程度，并且更接近于冰雪天气下输电线路覆冰绝缘子的实际运行维护需要，进而为输电线路的智能抗冰提供技术支撑，实用性强。
附图说明
55.图1是本发明实施例提供的一种绝缘子覆冰识别方法的流程图；
56.图2是本发明实施例提供的一种绝缘子覆冰识别装置的结构框图；
57.图3是本发明实施例提供的一种绝缘子覆冰识别设备的结构框图。
具体实施方式
58.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
59.参见图1，图1是本发明实施例提供的一种绝缘子覆冰识别方法的流程图，所述绝缘子覆冰识别方法，包括：
60.s1、获取多个覆冰监测装置采集到的若干张初始覆冰图像，并对若干张所述初始覆冰图像进行预处理，得到若干张目标覆冰图像；
61.s2、根据若干张所述目标覆冰图像的参数信息，构建图像知识库，其中，所述参数信息包括拍摄预置位、分辨率和覆冰监测装置编号；
62.s3、用所述图像知识库中的目标覆冰图像对yolo v3目标识别模型进行训练，得到训练后的yolo v3目标识别模型；
63.s4、获取任意一个覆冰监测装置实时采集到的待测覆冰图像，并读取所述待测覆冰图像的待测分辨率和待测覆冰监测装置编号；
64.s5、当所述待测分辨率符合预设的分辨率条件时，根据所述待测覆冰图像中绝缘子的待测目标数、待测尺寸及待测位置，得到所述待测覆冰图像的待测拍摄预置位；
65.s6、基于所述训练后的yolo v3目标识别模型，获取所述待测覆冰图像的待测覆冰绝缘子感兴趣区域，和与所述待测拍摄预置位、所述待测覆冰监测装置编号相同的，且绝缘子覆冰状态为无覆冰的目标覆冰图像的无覆冰绝缘子感兴趣区域；
66.s7、根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域计算得到覆冰前、后绝缘子的颜色变化率和绝缘子的覆冰区域的增长率；
67.s8、根据所述颜色变化率和所述增长率，判定所述待测覆冰图像的覆冰程度并发出相应的预警信息。
68.具体地，在步骤s1中，获取南方地区架空线路各覆冰监测装置采集到的每年11月至次年3月的若干张初始覆冰期图像，其中，所述覆冰监测装置包括安装在杆塔上的摄像机；
69.并剔除若干张所述初始覆冰图像中镜头存在严重污秽、凝冻、起雾的初始覆冰图像，从中筛选出成像清晰、绝缘子目标明显的若干张目标覆冰图像。
70.具体地，在步骤s2中，所述根据若干张所述目标覆冰图像的参数信息，构建图像知识库，其中，所述参数信息包括拍摄预置位、分辨率和覆冰监测装置编号，包括步骤s21～s23：
71.s21、计算若干张所述目标覆冰图像中绝缘子的目标数、尺寸及位置；
72.s22、将具有相同的覆冰监测装置编号的任意两张目标覆冰图像中绝缘子的目标数、尺寸及位置进行比较，得到第一比较结果，并根据所述第一比较结果对若干张所述目标覆冰图像的拍摄预置位进行编号处理，直至遍历完若干张所述目标覆冰图像；
73.s23、根据进行编号处理过的若干张所述目标覆冰图像的分辨率及覆冰监测装置编号，构建图像知识库。
74.需要说明的，在步骤s21中，首先人工测量若干张所述目标覆冰图像中的绝缘子目标数io、绝缘子区域的中心点坐标(xc，xy)、绝缘子区域的长值wi、宽值hi，再根据所述中心点坐标、所述长值和所述宽值，计算若干张所述目标覆冰图像中绝缘子尺寸is＝(wi+hi)/2及位置＝(xc+xy)/2；
75.在步骤s22中，当第一比较结果满足约束(i
o,p
＝i
o,q
)∩(|i
s,p-i
s,q
|≤10)∩(|i
l,p-i
l,q
|≤20)时，判定所述任意两张目标覆冰图像为相同的拍摄预置位，其中，i
o,p
、i
s,p
、i
l,p
分别为目标覆冰图像p中的绝缘子目标数、尺寸及位置，i
o,q
、i
s,q
、i
l,q
分别为目标覆冰图像q中的绝缘子目标数、尺寸及位置；可以理解的，对不同的拍摄预置位的目标覆冰图像，从0开始编号，直至遍历完若干张所述目标覆冰图像。
76.进一步的，所述参数信息还包括拍摄日期和拍摄时间，则在步骤s23中，根据进行编号处理过的若干张所述目标覆冰图像的分辨率、覆冰监测装置编号、拍摄日期和拍摄时间，构建图像知识库；
77.可以理解的，读取进行编号处理过的若干张所述目标覆冰图像的分辨率、覆冰监测装置编号、拍摄日期和拍摄时间；
78.按分辨率(长w
×
宽h)建立图像知识库的一级文件夹，每份一级文件夹存储相同分辨率的各覆冰监测装置的目标覆冰图像；
79.按覆冰监测装置编号建立图像知识库的二级文件夹，每份二级文件夹存储相同分辨率、相同覆冰监测装置编号的各拍摄预置位的目标覆冰图像；
80.按拍摄预置位建立图像知识库的三级文件夹，每份三级文件夹存储相同分辨率、相同覆冰监测装置编号、相同拍摄预置位的目标覆冰图像；
81.在所述三级文件夹中，所述目标覆冰图像按拍摄时间、拍摄日期升序排列，并按照“覆冰监测装置编号_目标覆冰图像的十六进制编码_预置位序号_拍摄年/月/日/时/分”的形式重命名，并将所述三级文件夹中的目标覆冰图像统一转为jpg格式。
82.具体地，在步骤s3中，用所述图像知识库中的目标覆冰图像对yolo v3目标识别模型进行训练，得到训练后的yolo v3目标识别模型，包括步骤s31～s33：
83.s31、将所述图像知识库中的各覆冰监测装置的至少一张目标覆冰图像和各拍摄预置位的至少一张目标覆冰图像作为训练图像集；
84.优选地，所述训练图像集中的目标覆冰图像总数不低于500张，可以理解的，所述训练图像集的目标覆冰图像包括每个覆冰监测装置的至少一张目标覆冰图像和每个拍摄预置位的至少一张目标覆冰图像；
85.s32、根据绝缘子覆冰状态对所述训练图像集中的目标覆冰图像进行标注，得到训练标注集，其中，所述训练标注集的文件信息包括：绝缘子目标边界矩形框的左上角顶点坐标和右下角顶点坐标，与绝缘子覆冰状态编码；
86.可以理解的，使用开源的图像标注工具labelimg，用贴合绝缘子区域边界的竖直矩形框标注所述训练图像集中的目标覆冰图像，为每个竖直矩形框打标签，用编码标识绝缘子覆冰状态，标签内容为：“有冰”，编码为0；“无冰”，编码为1。每张目标覆冰图像标注完成后，得到一个txt格式文件即训练标注集，每个文件中包括文件信息有：绝缘子目标边界矩形框bbox的左上角顶点坐标(x
l
，y
l
)和右下角顶点坐标(xr，yr)，与绝缘子覆冰状态编码；训练标注集内txt格式的文件数与训练图像集内jpg格式的目标覆冰图像数一致。
87.s33、用所述训练图像集中的目标覆冰图像和所述训练标注集中的文件对yolo v3目标识别模型进行训练，得到训练后的yolo v3目标识别模型。
88.可以理解的，基于yolo v3算法，用所述训练图像集中的目标覆冰图像和所述训练标注集中的文件训练yolo v3目标识别模型，yolo v3算法是yolo系列目标检测算法中的第三版；向训练完成后的yolo v3目标识别模型输入一张或多张图像，yolo v3目标识别模型能够识别图像中的绝缘子，生成与图像同名的txt格式文件，输出预测bbox的左上角顶点坐标(x
l,p
，y
l,p
)和右下角顶点坐标(x
r,p
，y
r,p
)，与绝缘子覆冰状态编码。
89.具体地，在步骤s4中，所述获取任意一个覆冰监测装置实时采集到的待测覆冰图像，并读取所述待测覆冰图像的待测分辨率和待测覆冰监测装置编号，包括步骤s41～s43：
90.s41、用安装在杆塔的摄像机每隔1小时实时拍摄覆冰期绝缘子的待测覆冰图像，用4g/5g网络信号将待测覆冰图像传输至监控主站；
91.s42、读取待测覆冰图像的长、宽像素点数，得到待测覆冰图像的待测分辨率(w
×
h)，将所述待测覆冰图像的格式转为jpg格式，并将其传输至监控主站；
92.s43、读取待测覆冰图像的采集设备及所在覆冰监测装置，得到拍摄待测覆冰图像的覆冰监测装置的编号即待测覆冰监测装置编号。
93.具体地，在步骤s5中，当所述待测分辨率符合预设的分辨率条件时，根据所述待测覆冰图像中绝缘子的待测目标数、待测尺寸及待测位置，得到所述待测覆冰图像的待测拍摄预置位，包括步骤s51～s53：
94.s51、当所述待测分辨率符合预设的分辨率条件时，计算所述待测覆冰图像中绝缘子的待测目标数、待测尺寸及待测位置；
95.可以理解的，当待测分辨率符合预设的分辨率条件时，再进行后续的步骤，本发明实施例可以采用上述实施例中绝缘子目标数、尺寸及位置的计算方法，在此不再赘述；
96.s52、将所述待测目标数、所述待测尺寸及所述待测位置与所述图像知识库的目标覆冰图像中的绝缘子的目标数、尺寸及位置进行比较，得到第二比较结果；
97.s53、当所述第二比较结果符合预设的拍摄预置位条件时，得到所述待测覆冰图像的待测拍摄预置位。
98.可以理解的，将所述待测目标数i
ou
、所述待测尺寸i
su
及所述待测位置i
lu
与所述目标覆冰图像的绝缘子的目标数io、尺寸is及位置i
l
进行比较，得到第二比较结果；当所述第二比较结果符合预设的拍摄预置位条件(i
ou
＝io)∩(|i
su-is|≤10)∩(|i
lu-i
l
|≤20)时，得到所述待测覆冰图像的待测拍摄预置位。此时，认为所述待测覆冰图像为该拍摄预置位下拍摄的图像，将所述待测覆冰图像复制到该拍摄预置位所在的文件夹。
99.具体地，在步骤s6中，所述基于所述训练后的yolo v3目标识别模型，获取所述待测覆冰图像的待测覆冰绝缘子感兴趣区域，和与所述待测拍摄预置位、所述待测覆冰监测装置编号相同的，且绝缘子覆冰状态为无覆冰的目标覆冰图像的无覆冰绝缘子感兴趣区域，包括步骤s61～s64：
100.s61、将所述待测覆冰图像输入所述训练后的yolo v3目标识别模型，得到所述待测覆冰图像的预测绝缘子目标边界矩形框的左上角顶点坐标和右下角顶点坐标，与所述待测覆冰图像的绝缘子覆冰状态；
101.s62、根据所述左上角顶点坐标和所述右下角顶点坐标计算所述预测绝缘子目标边界矩形框的左下角顶点坐标和右上角顶点坐标；
102.s63、根据所述左上角顶点坐标、所述右下角顶点坐标、所述左下角顶点坐标和所述右上角顶点坐标裁剪所述待测覆冰图像，得到待测覆冰绝缘子感兴趣区域；
103.s64、根据所述左上角顶点坐标、所述右下角顶点坐标、所述左下角顶点坐标和所述右上角顶点坐标，在与所述待测拍摄预置位、所述待测覆冰监测装置编号相同的，且绝缘子覆冰状态为无覆冰的目标覆冰图像上裁剪，得到无覆冰绝缘子感兴趣区域。
104.在一具体实施例中，将所述待测覆冰图像输入所述训练后的yolo v3目标识别模型，得到所述待测覆冰图像的预测绝缘子目标边界矩形框的左上角顶点坐标(x
l,p
，y
l,p
)和右下角顶点坐标(x
r,p
，y
r,p
)，与所述待测覆冰图像的绝缘子覆冰状态；
105.根据所述左上角顶点坐标(x
l,p
，y
l,p
)和所述右下角顶点坐标(x
r,p
，y
r,p
)计算所述预测绝缘子目标边界矩形框的左下角顶点坐标(x
l,p,b
，y
l,p,b
)和右上角顶点坐标(x
r,p,u
，y
r,p,u
)，其中x
l,p,b
＝x
l,p
，y
l,p,b
＝y
r,p
，x
r,p,u
＝x
r,p
，y
r,p,u
＝y
l,p
；
106.根据所述左上角顶点坐标(x
l,p
，y
l,p
)、所述右下角顶点坐标(x
r,p
，y
r,p
)、所述左下角顶点坐标(x
l,p,b
，y
l,p,b
)和所述右上角顶点坐标(x
r,p,u
，y
r,p,u
)裁剪所述待测覆冰图像，得到待测覆冰绝缘子感兴趣区域roi
ice
；
107.根据所述左上角顶点坐标(x
l,p
，y
l,p
)、所述右下角顶点坐标(x
r,p
，y
r,p
)、所述左下角顶点坐标(x
l,p,b
，y
l,p,b
)和所述右上角顶点坐标(x
r,p,u
，y
r,p,u
)，在与所述待测拍摄预置位、所述待测覆冰监测装置编号相同的，且绝缘子覆冰状态为无覆冰的目标覆冰图像上裁剪，得到无覆冰绝缘子感兴趣区域roi
none
。
108.可以理解的，roi
none
和roi
ice
的尺寸相同，位置相同。
109.具体地，在步骤s7中，所述根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域计算得到覆冰前、后绝缘子的颜色变化率和绝缘子的覆冰区域的增长率，包括步骤s71～s76：
110.s71、根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域，计算所述待测覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量，和所述无覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量；
111.s72、根据所述待测覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量，和所述无覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量，计算得到覆冰前、后绝缘子的颜色变化率；
112.s73、根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域，计算绝缘子的覆冰区域；
113.s74、对所述覆冰区域进行二值化处理，得到二值覆冰区域；
114.s75、统计所述二值覆冰区域的白色像素点数；
115.s76、根据所述白色像素点数计算所述覆冰区域的增长率。
116.可以理解的，可以先通过步骤s71～s72进行颜色变化率的计算，再通过步骤s73～s76进行增长率的计算，也可以先通过步骤s73～s76进行增长率的计算，再通过步骤s71～s72进行颜色变化率的计算，在此不作具体限制；
117.优选地，在步骤s72中，所述根据所述待测覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量，和所述无覆冰绝缘子感兴趣区域的红分量、绿分量及蓝分量，计算得到覆冰前、后绝缘子的颜色变化率，包括：
118.根据所述待测覆冰绝缘子感兴趣区域的红分量和所述无覆冰绝缘子感兴趣区域的红分量，计算红分量的变化率：
119.rater＝(|r
none-r
ice
|)/r
none
×
100％
120.其中，r
ice
为待测覆冰绝缘子感兴趣区域的红分量，r
none
为无覆冰绝缘子感兴趣区域的红分量；
121.根据所述待测覆冰绝缘子感兴趣区域的绿分量和所述无覆冰绝缘子感兴趣区域的绿分量，计算绿分量的变化率：
122.rateg＝(|g
none-g
ice
|)/g
none
×
100％
123.其中，g
ice
为待测覆冰绝缘子感兴趣区域的绿分量，g
none
为无覆冰绝缘子感兴趣区域的绿分量；
124.根据所述待测覆冰绝缘子感兴趣区域的蓝分量和所述无覆冰绝缘子感兴趣区域
的蓝分量，计算蓝分量的变化率：
125.rateb＝(|b
none-b
ice
|)/b
none
×
100％
126.其中，b
ice
为待测覆冰绝缘子感兴趣区域的蓝分量，b
none
为无覆冰绝缘子感兴趣区域的蓝分量；
127.根据所述红分量的变化率、所述绿分量的变化率和所述蓝分量的变化率，计算得到覆冰前、后绝缘子的颜色变化率：
128.c
rate
＝(rater+rateg+rateb)/3
129.其中，rater为红分量的变化率，rateg为绿分量的变化率，rateb为蓝分量的变化率。
130.优选地，在步骤s73中，所述根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域，计算绝缘子的覆冰区域，包括：
131.根据下式计算绝缘子的覆冰区域：
132.region
ice
＝|roi
none-roi
ice
|
133.其中，roi
ice
为待测覆冰绝缘子感兴趣区域，roi
none
为无覆冰绝缘子感兴趣区域。
134.优选地，在步骤s76中，所述根据所述白色像素点数计算所述覆冰区域的增长率，包括：
135.根据下式计算所述覆冰区域的增长率：
136.region
rate
＝c
white
/[x
r,p-x
l,p
)
×
(y
l,p-y
r,p
)
×
100％
[0137]
其中，c
white
为二值覆冰区域的白色像素点数，(x
l,p
，y
l,p
)、(x
r,p
，y
r,p
)分别为待测覆冰图像的预测绝缘子目标边界矩形框的左上角顶点坐标、右下角顶点坐标。
[0138]
具体地，在步骤s8中，所述根据所述颜色变化率和所述增长率，判定所述待测覆冰图像的绝缘子覆冰程度并发出相应的预警信息，包括：
[0139]
当(0≤c
rate
≤25％)∪(0≤region
rate
≤25％)时，判定所述待测覆冰图像的绝缘子覆冰程度为无覆冰并发出预设的第一预警信息，其中，c
rate
表示颜色变化率，region
rate
表示增长率；
[0140]
当(25％≤c
rate
≤50％)∪(25％≤region
rate
≤50％)时，判定所述待测覆冰图像的绝缘子覆冰程度为轻并发出预设的第二预警信息，其中，c
rate
表示颜色变化率，region
rate
表示增长率；
[0141]
当(50％≤c
rate
≤75％)∪(50％≤region
rate
≤75％)时，判定所述待测覆冰图像的绝缘子覆冰程度为中并发出预设的第三预警信息，其中，c
rate
表示颜色变化率，region
rate
表示增长率；
[0142]
当(75％≤c
rate
≤100％)∪(75％≤region
rate
≤100％)时，判定所述待测覆冰图像的绝缘子覆冰程度为重并发出预设的第四预警信息，其中，c
rate
表示颜色变化率，region
rate
表示增长率。
[0143]
可选的，所述第一预警信息具体为绝缘子无覆冰；所述第二预警信息具体为绝缘子已覆冰；所述第三预警信息具体为需要密切观察并准备绝缘子除冰；所述第四预警信息具体为绝缘子需要紧急除冰。
[0144]
进一步地，当(75％≤c
rate
≤100％)∪(75％≤region
rate
≤100％)时，发出警报，其中，c
rate
表示颜色变化率，region
rate
表示增长率。
[0145]
在本发明实施例中，通过颜色变化率和增长率量化绝缘子覆冰程度，对绝缘子覆冰程度进行等级划分，能够较全面、准确识别绝缘子覆冰程度，为输电线路的智能抗冰提供技术支撑。
[0146]
参见图2，图2是本发明实施例提供的一种绝缘子覆冰识别装置10的结构框图，所述绝缘子覆冰识别装置10包括：
[0147]
目标覆冰图像获取模块11，用于获取多个覆冰监测装置采集到的若干张初始覆冰图像，并对若干张所述初始覆冰图像进行预处理，得到若干张目标覆冰图像；
[0148]
图像知识库构建模块12，用于根据若干张所述目标覆冰图像的参数信息，构建图像知识库，其中，所述参数信息包括拍摄预置位、分辨率和覆冰监测装置编号；
[0149]
yolo v3目标识别模型训练模块13，用于用所述图像知识库中的目标覆冰图像对yolo v3目标识别模型进行训练，得到训练后的yolo v3目标识别模型；
[0150]
待测覆冰图像获取模块14，用于获取任意一个覆冰监测装置实时采集到的待测覆冰图像，并读取所述待测覆冰图像的待测分辨率和待测覆冰监测装置编号；
[0151]
待测拍摄预置位获取模块15，用于当所述待测分辨率符合预设的分辨率条件时，根据所述待测覆冰图像中绝缘子的待测目标数、待测尺寸及待测位置，得到所述待测覆冰图像的待测拍摄预置位；
[0152]
感兴趣区域获取模块16，用于基于所述训练后的yolo v3目标识别模型，获取所述待测覆冰图像的待测覆冰绝缘子感兴趣区域，和与所述待测拍摄预置位、所述待测覆冰监测装置编号相同的，且绝缘子覆冰状态为无覆冰的目标覆冰图像的无覆冰绝缘子感兴趣区域；
[0153]
计算模块17，用于根据所述待测覆冰绝缘子感兴趣区域和所述无覆冰绝缘子感兴趣区域计算得到覆冰前、后绝缘子的颜色变化率和绝缘子的覆冰区域的增长率；
[0154]
识别模块18，用于根据所述颜色变化率和所述增长率，判定所述待测覆冰图像的覆冰程度并发出相应的预警信息。
[0155]
值得说明的是，本发明实施例所述的绝缘子覆冰识别装置10中各个模块的工作过程可参考上述实施例所述的绝缘子覆冰识别方法的工作过程，在此不再赘述。
[0156]
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述实施例所述的绝缘子覆冰识别方法。
[0157]
参见图3，图3是本发明实施例提供的一种绝缘子覆冰识别设备20的结构框图，所述绝缘子覆冰识别设备20包括：处理器21、存储器22以及存储在所述存储器22中并可在所述处理器21上运行的计算机程序。所述处理器21执行所述计算机程序时实现上述绝缘子覆冰识别方法实施例中的步骤。或者，所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
[0158]
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述绝缘子覆冰识别设备20中的执行过程。
[0159]
所述绝缘子覆冰识别设备20可以是桌上型计算机、笔记本、掌上电脑及云端服务
器等计算设备。所述绝缘子覆冰识别设备20可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，所述示意图仅仅是绝缘子覆冰识别设备20的示例，并不构成对绝缘子覆冰识别设备20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述绝缘子覆冰识别设备20还可以包括输入输出设备、网络接入设备、总线等。
[0160]
所称处理器21可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器21是所述绝缘子覆冰识别设备20的控制中心，利用各种接口和线路连接整个绝缘子覆冰识别设备20的各个部分。
[0161]
所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述绝缘子覆冰识别设备20的各种功能。所述存储器22可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0162]
其中，所述绝缘子覆冰识别设备20集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器21执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。
[0163]
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0164]
本发明实施例所提供的一种绝缘子覆冰识别方法、装置、存储介质及设备，通过目
标覆冰图像的参数信息，构建图像知识库，能够为不同的拍摄视角、材质、形式的绝缘子覆冰提供精细的、全面的识别方案，通过训练后的yolo v3目标识别模型，得到待测覆冰图像的待测覆冰绝缘子感兴趣区域和无覆冰绝缘子感兴趣区域，根据待测覆冰绝缘子感兴趣区域和无覆冰绝缘子感兴趣区域计算得到覆冰前、后绝缘子的颜色变化率和绝缘子的覆冰区域的增长率，最后根据颜色变化率和增长率，判定待测覆冰图像的绝缘子覆冰程度并发出相应的预警信息。由此可见，本发明实施例能够准确地、全面地掌握输电线路绝缘子覆冰程度，并且更接近于冰雪天气下输电线路覆冰绝缘子的实际运行维护需要，进而为输电线路的智能抗冰提供技术支撑，实用性强。
[0165]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。